第1章 緒論 1.1 高分辨力SAR圖像解譯與目標識別研究意義 1.2 高分辨力SAR圖像解譯與目標識別研究現狀 1.3 高分辨力SAR圖像解譯與目標識別的研究進展 參考文獻 第2章 高分辨力SAR圖像干斑抑制 2.1 SAR的基本原理 2.2 高分辨力SAR圖像降斑方法研究現狀 2.2.1 多視處理降斑 2.2.2 空間域降斑 2.2.3 小波域降斑 2.2.4 后小波域降斑 2.2.5 基于馬爾可夫隨機場模型的降斑 2.2.6 基于非局部濾波的降斑 2.2.7 降斑方法研究總結 2.3 相干斑的統計模型與降斑效果評價 2.3.1 相干斑的統計分布與模型 2.3.2 降斑效果評價 2.4 基于方差系數統計的相干斑強度估計 2.4.1 基于均值一標準差平面的相干斑強度估計 2.4.2 基于方差系數統計的相干斑強度估計 2.4.3 實驗結果與分析 2.4.4 小結 2.5 基于統計相似性度量與局部同質區域分割的SAR圖像降斑 2.5.1 背景介紹 2.5.2 傳統的像素相似性度量方法及缺陷 2.5.3 乘性噪聲模型下的比值距離 2.5.4 基于比值距離統計分布的相似性度量 2.5.5 基于像素相似性度量的局部同質區域分割 2.5.6 基于ML準則的降斑圖像估計 2.5.7 實驗結果與分析 2.5.8 小結 2.6 基于圖像塊的統計相似性度量的SAR圖像降斑 2.6.1 背景介紹 2.6.2 期望濾波器與SAR圖像降斑 2.6.3 基于圖像塊的統計相似性度量 2.6.4 基于圖像塊加權的SAR圖像降斑 2.6.5 實驗結果與分析 2.6.6 小結 2.7 基于統計模擬門限的自適應非局部均值降斑濾波器 2.7.1 背景介紹 2.7.2 自適應搜索窗 2.7.3 基于統計模擬的自動相似性門限 2.7.4 實驗結果與分析 2.7.5 小結 參考文獻 第3章 極化SAR相干斑噪聲抑制 3.1 雷達極化的基本理論 3.1.1 散射過程的描述 3.1.2 散射矩陣的描述 3.1.3 極化SAR數據的形式 3.2 相干斑統計模型及去斑效果評價 3.2.1 相干斑統計分布 3.2.2 相干斑模型 3.2.3 相干斑抑制評價指標 3.3 極化SAR處理平臺 3.3.1 ENVI 3.3.2 PCI Geomatica 3.3.3 RAT 3.3.4 PolSARpro 3.3.5 CAESAR-POLSAR 3.4 基于核回歸的極化SAR相干斑抑制 3.4.1 核回歸理論 3.4.2 基于核回歸的SAR圖像相干斑抑制 3.4.3 基于核回歸的極化SAR相干斑抑制 3.4.4 實驗結果及分析 3.5 非局部均值思想用于極化SAR噪聲的抑制 3.5.1 非局部均值算法簡介 3.5.2 貝葉斯非局部均值算法用于極化SAR噪聲的抑制 3.5.3 實驗結果與分析 3.6 基于非局部雙邊濾波的極化SAR相干斑抑制 3.6.1 極化SAR數據的相似性度量 3.6.2 極化SAR非局部雙邊的相干斑抑制 3.6.3 實驗結果與分析 參考文獻 第4章 高分辨力SAR圖像地物分割與分類 4.1 基于三馬爾可夫隨機場的SAR圖像分割 4.1.1 基于模糊的三馬爾可夫場SAR圖像分割 4.1.2 基于三馬爾可夫場的SAR圖像融合分割 4.1.3 小結 4.2 多尺度和多層稀疏表示的SAR圖像分類 4.2.1 基于稀疏表示的SAR地物分類 4.2.2 基于稀疏表示的多層SAR地物分類 4.2.3 基于稀疏表示和不同尺度的SAR地物分類 4.2.4 實驗結果及分析 4.2.5 小結 4.3 基于簽名框架的SAR圖像分類與分割 4.3.1 背景介紹 4.3.2 基于隨機投影的Signature局部特征分布描述 4.3.3 地球移動距離的計算 4.3.4 基于Signature框架的SAR圖像地物分類算法 4.3.5 基于Signature框架的SAR圖像分割算法 4.3.6 基于ZigZag掃描和簽名框架的SAR圖像分割算法 4.4 基于圖模型的SAR圖像分割 4.4.1 基于圖模型的SAR圖像分割方法 4.4.2 基于超像素和圖模型的快速并行SAR圖像分割 參考文獻 第5章 高分辨力極化SAR圖像地物分類 5.1 高分辨力極化SAR理論基礎 5.1.1 極化的表征 5.1.2 散射體的極化描述 5.1.3 微波成像的散射機理 5.1.4 極化目標分解 5.1.5 極化SAR統計建模 5.1.6 小結 5.2 基于Freeman分解的極化SAR圖像分類 5.2.1 背景介紹 5.2.2 傳統基于散射機理的極化SAR圖像分類方法 5.2.3 基于Freeman分解和同極化比的極化SAR圖像分類方法 5.2.4 基于散射功率熵和同極化比的極化SAR圖像分類方法 5.2.5 小結 5.3 基于譜聚類的極化SAR圖像分類研究 5.3.1 一種基于Mean Shift和譜聚類的極化SAR圖像分類 5.3.2 基于Freeman分解和譜聚類的極化SAR圖像分類 5.4 基于K-Wishart分布的極化SAR圖像分類 5.4.1 基于Freeman分解和K-Wishart分布的極化SAR圖像分類 5.4.2 基于K-Wishart分類器的極化SAR圖像分類方法 5.4.3 基于MRF和K-Wishart分布的極化SAR圖像分類方法 5.5 基于區域的無監督極化SAR圖像分類 5.5.1 類別自適應的無監督極化SAR圖像分類 5.5.2 基于改進分水嶺的無監督極化SAR分類 5.6 基于均值漂移和區域WishartMRF的極化SAR地物分類 5.6.1 背景介紹 5.6.2 基于改進的均值漂移和MRF的極化SAR圖像分類 5.6.3 小結 參考文獻 第6章 高分辨力SAR圖像目標檢測 6.1 基于視覺注意的SAR圖像艦船目標檢測 6.1.1 自底向上的圖像顯著區域檢測 6.1.2 自頂向下的SAR圖像水域分割 6.1.3 基于選擇性注意機制的SAR圖像艦船檢測 6.2 基于分層CFAR的高分辨力SAR圖像艦船目標檢測 6.2.1 背景介紹 6.2.2 SAR圖像目標檢測基礎理論及算法 6.2.3 多層CFAR算法目標檢測 6.3 基于壓縮感知的SAR成像和檢測一體化艦船目標檢測 6.3.1 基于壓縮感知的高分辨力SAR稀疏目標成像 6.3.2 基于低秩矩陣重建的高分辨力SAR稀疏目標成像 6.4 基于疏散度的高分辨力SAR圖像橋梁目標檢測 6.4.1 基于疏散度的水域提取 6.4.2 橋梁檢測 6.4.3 實驗及分析 6.4.4 小結 6.5 基于模板匹配的SAR圖像飛機目標檢測 6.5.1 基于機場特征的局部閾值分割 6.5.2 飛機模板設計 6.5.3 實驗結果及分析 6.5.4 小結 參考文獻 第7章 高分辨力SAR圖像目標識別與分類 7.1 基于壓縮感知與流形學習的SAR目標識別 7.1.1 基于隨機觀測矢量與混合因子分析的SAR目標識別 7.1.2 基于觀測矢量與正交三角分解的快速目標識別 7.2 基于協同神經網絡的SAR圖像識別 7.2.1 協同神經網絡 7.2.2 免疫克隆規劃協同神經網絡 7.2.3 基于免疫克隆規劃與協同神經網絡的SAR圖像識別 7.2.4 基于協同神經網絡的免疫克隆集成算法 7.2.5 小結 7.3 基于核匹配追蹤的SAR圖像識別 7.3.1 追蹤算法 7.3.2 核匹配追蹤 7.3.3 基于多尺度幾何分析與核匹配追蹤的圖像識別 7.3.4 基于免疫克隆與核匹配追蹤的快速圖像目標識別 7.3.5 小結 7.4 基于半監督學習的圖像分類與分割 7.4.1 學習方法簡介 7.4.2 基于拉普拉斯正則化*小二乘的半監督SAR目標識別 7.4.3 結合Nystrom的圖半監督紋理圖像分割 7.4.4 自調節參數的半監督譜聚類 7.4.5 總結與展望 7.5 譜聚類維數約簡算法研究與應用 7.5.1 背景介紹 7.5.2 維數約簡算法的研究 7.5.3 基于多參數自調節譜聚類維數約簡的圖像目標識別 7.5.4 基于局部標度切的監督維數約簡及其應用 7.5.5 基于核標度切監督維數約簡的圖像目標識別 參考文獻 主要符號表 縮略語